networkx+python实现复杂网络经典的传染病SI模型感染源投放策略比较

最新推荐文章于 2023-07-14 07:42:17 发布

HolllllldOn

最新推荐文章于 2023-07-14 07:42:17 发布

阅读量3.1k

点赞数 8

分类专栏：复杂网络

本文链接：https://blog.csdn.net/HolllllldOn/article/details/111191068

版权

本文通过Python的networkx库探讨了在复杂网络中实施经典的SI传染病模型，并对比了不同感染源投放策略的效果。

摘要由CSDN通过智能技术生成

import networkx as nx
import matplotlib.pyplot as plt
import random

#初始化布局
ps = None

 def initnetwork(type_network):
    er = None
    n = 0
    
    if type_network == 'er':
        print('节点数N：')
        n = int(input())
        print('连接概率p:')
        p = float(input())        
        #来生成一个有N个节点，连接概率为p的随机网络
        init_network=nx.erdos_renyi_graph(n,p)
        ps = nx.random_layout(init_network)
    elif type_network == 'ws':
        print('节点数N：')
        n = int(input())
        print('邻居k：')
        k = int(input())
        print('随机化重连边概率p')
        p = float(input())
        #生成一个含有n个节点、每个节点有k个邻居、以概率p随机化重连边的WS小世界网络。
        init_network = nx.watts_strogatz_graph(n, k, p)
        ps = nx.circular_layout(init_network)
    elif type_network == 'ba':
        print('节点数N：')
        n = int(input())
        print('每次加入边数m')
        m = int(input())
        #生成一个含有n个节点、每次加入m条边的BA无标